论文部分内容阅读
位于长江、黄河、澜沧江源头的三江源地区被誉为高寒生物自然种质资源库,孕育着世界上独一无二大面积的高寒湿地、高寒荒漠、高寒干草原等独特的生态系统,是世界上高海拔地区生物多样性最集中的地区。由于该地区过度放牧,掠夺性地利用草场资源;过量采伐森林;盗猎珍稀濒危野生动物等,从而导致了植被退化、水源涵养能力下降等一系列生态问题。近年来,国家实施了生态建设工程,建立了三江源自然保护区,以保护和恢复源头生态环境,维持和增强源区水源涵养能力,保护生物多样性。而保护区的规划与设计、保护对策与管理计划的制定,都需要详实、可靠的生态环境本底空间数据。
利用现代遥感技术手段获取生态环境本底数据是一种高效、可靠的方法,植物群落的空间分布数据是生态环境本底的核心。由于研究区地处青藏高原腹地,地势高亢,山川相间,沟谷密布,交通极为不便,在人力、物力、时间等限制下,以地面调查为主的传统植被调查方法是难以进行的。随着遥感技术的不断发展,大大拓宽了人们的视野,增强了人类对地观测能力。利用遥感技术提供的不同分辨率的影像数据,进行快捷、宏观的大面积地表资源的监测与调查,减少了野外调查工作量,实现短时间内对研究资源调查。本研究利用TM遥感卫星影像,依据2003年云南省重点基金项目《对地观测数据的计算机自动识别及应用》的技术方法,对遥感数字图像进行几何精纠正、光谱复原等处理,从中提取定量遥感因子,自动识别出图斑并勾绘矢量,即多边形元,同时根据数字高程模型集成矢量多边形属性数据库。在此基础上,建立以多边形元的属性植被语义解译方法。为更好描述各植物群落在不同环境梯度的分布的独立性及差异性,在解译前对研究区进行了植被生态区的空间划分。同时根据《中国植被》等区划出植被的分类系统,划分到群系组。此外,收集了相关资料,总结出各植被生态区中各群系组分布的环境梯度知识。本研究中提出了两种植被语义解译的方法,一种是将各植物群落分布的领域知识,结合GPS样点数据,转换成用多边形元属性库中的定量因子进行描述,即用简单的分段模型进行描述,利用该模型通过人机交互批解译过程完成了整个研究区的植被调查工作。通过解译结果与样点数据作混淆矩阵,得到人机交互解译的精度达到了77%。另一种语义解译的方法是以与植被分布相关的多边形元中的定量指标,利用概率模型,计算每一斑块的嵩草高寒草甸出现的概率值。由于地面样点数据较少,在建模之前进行了室内样点的补采,共计补采了1300个样点作为建模数据。利用广义线性模型中的二值Logistic方法进行回归,建立了嵩草高寒草甸的概率分布模型。在回归分析中选取了坡度、坡向、RVI、NDVI、海拔、汇水、近红外、短波红外、红光、地形及坡位指数¨个变量,采用了向后逐步剔除变量的回归方法,得到以地形、坡位指数、短波红外、坡度、近红外、RVI及坡向7个典型变量为自变量的Logistic模型:P=e3.182-0.010x1+0.016x2+0.024x3-0.032x4+0.119x5+0.063x6-0.255x7/1+e3.182-0.010x1+0.016x2+0.024x3-0.032x4+0.119x5+0.063x6-0.255x7该模型通过拟合优度、R2及调整的R2检验和似然比检验,回归方程具有较好的显著效果,将模型应用于建模数据,确定了某斑块上嵩草高寒草甸出现与不出现的概率临界值为0.4。利用地面146个样点数据作为样本应用于模型中,得出各斑块上嵩草高寒草甸的出现概率,根据设定的0.4的临界值,将各概率归一到O和l,得出有109个样点与地面调查一致,得出模型精度检验值,精度达到74.66%。
通过简单分段模型进行的人机交互解译方法与概率分布模型用于推断嵩草高寒草甸的分布时,得出的分布图效果不尽相同,人机交互解译结果中嵩草高寒草甸的分布与概率分布模型结果相比具有更广、更集中的特点,但总体上还是具有较好的一致性。
利用遥感、非遥感、领域知识等多源信息,自动勾绘出矢量图斑,集成图斑定量属性库,并根据库中定量因子,建立起植被分布的简单分段解译模型与概率回归模型来自动解译植被类型,其试验结果表明可满足一般的植被制图的应用需要,这对遥感数据的计算机解译与分析有重要意义。该方法的研究与应用对于实现遥感信息的智能化提取及“3S”技术的一体化具有重要的现实意义。